LangGraph代理工具

LangGraph MCP代理（工作室就绪）

精益代理连接到LangGraph的Postgres检查指针/内存和MCP工具，带有一个简单的控制台运行器和LangGraph Studio集成。

特性

• 为Studio公开的编译图(app/graph.py:graph 通过 langgraph.json).
• Postgres支持的检查点和内存使用 AsyncPostgresSaver 和 AsyncPostgresStore.
• MCP工具加载来自 config.yaml （多服务器MCP客户端）。
• 本地测试的最小控制台运行时间。

项目布局

• agents/graph.py --图形生成器(build_graph)使用MCP工具和总结。
• app/graph.py --LangGraph CLI/Studio的编译图。
• runtime/console.py --使用编译后的图进行交互式控制台循环。
• tools/mcp/client.py --MCP客户端和工具加载器；用途 config.yaml.
• config/loader.py, config.yaml --MCP客户端的配置加载。
• .env.example --环境变量模板。
• compose.yaml --可选的本地Postgres堆栈。

先决条件

• Python 3.13+
• OpenAI API密钥
• 可选：用于Studio跟踪的LangSmith API密钥
• 可选：Docker（如果你想通过compose运行本地Postgres）

设置

1. 创建并激活虚拟环境

python -m venv .venv
source .venv/bin/activate
pip install -U pip

2. 安装该软件包

pip install -e .

3. 配置环境

cp .env.example .env

至少填写：

• OPENAI_API_KEY
• PGVECTOR_CONN （例如。 postgresql+psycopg://agentic_app:change_this_password@localhost:5442/VectorDB)
• 可选： LANGSMITH_API_KEY 工作室可观察性

4. 在本地启动Postgres以获取检查点和内存

docker compose up -d

Compose从以下位置读取环境变量 .env 用于容器设置。您可以覆盖：

• POSTGRES_USER, POSTGRES_PASSWORD, POSTGRES_DB （默认值 VectorDB), PG_PORT （默认值 5442).

然后设置 PGVECTOR_CONN 匹配，例如： postgresql+psycopg://agentic_app:change_this_password_now@localhost:5442/VectorDB.

在工作室跑步

如果需要，请安装LangGraph CLI：

pip install --upgrade "langgraph-cli[inmem]"

启动本地服务器（读取 langgraph.json):

langgraph dev agent

开放式工作室

在控制台中运行

python runtime/console.py

键入您的消息，或 q/quit/exit 退出。

备注

• 该图从中列出的端点绑定MCP工具 config.yaml.
• 该应用程序将检查点和内存从以下位置写入Postgres数据库 PGVECTOR_CONN.